陳錕

摘 要 作為一種不可忽視的工業(yè)、民用設(shè)備，鍋爐的安全性很高。結(jié)合實際需求，通過加強對鍋爐設(shè)備故障診斷技術(shù)的深入研究，不論是對于鍋爐的穩(wěn)定、安全運行，還是創(chuàng)新應(yīng)用發(fā)展都具有重要意義。尤其是混合型智能診斷方法的提出、應(yīng)用，能夠從整體上提升鍋爐設(shè)備的故障診斷速度，以及準確性。為此，本文就針對鍋爐混合智能故障診斷技術(shù)的應(yīng)用做出了深入探究。

關(guān)鍵詞 鍋爐 設(shè)備故障 診斷技術(shù)

中圖分類號：TP277 文獻標識碼：A 文章編號：1007-0745（2021）05-0014-02

針對鍋爐混合智能故障診斷技術(shù)來講，其主要是圍繞鍋爐設(shè)備特點，提出的一種具有清晰的層次，且理解起來比較容易，可以取得理想應(yīng)用效果的一種技術(shù)手段。在具體引用中，能夠?qū)θ祟悓＜业倪壿嬎季S，以及形象思維能力做出較好的模擬，從而實現(xiàn)對鍋爐故障的及時、準確診斷。[1]除了在鍋爐設(shè)備故障診斷中的科學(xué)引用，這一技術(shù)方法還能夠通過進一步的優(yōu)化，向其他特種設(shè)備的故障診斷研究工作應(yīng)用推廣，應(yīng)給予足夠重視。

1 加強故障診斷技術(shù)應(yīng)用研究的意義

一直以來，鍋爐設(shè)備的故障識別、排除工作都是結(jié)合工作人員在以往積累的經(jīng)驗來開展的，但針對系統(tǒng)較為復(fù)雜的大型鍋爐設(shè)備來講，工作人員很難通過現(xiàn)有經(jīng)驗技術(shù)來全面理解、準確把握其運行過程，也難以準確判斷故障類型。但也正是因為這方面的欠缺，才會導(dǎo)致誤操作的產(chǎn)生，運行可靠性、效率才無法得到有力保障。因此，為了有效解決以往故障診斷工作中的各類問題，從整體上提升鍋爐設(shè)備故障診斷工作質(zhì)量與效率，應(yīng)充分重視起基于專家系統(tǒng)的檢測、故障診斷系統(tǒng)的建立。[2]具體來講，就是要結(jié)合實際需求，將多個專家理論知識、實踐經(jīng)驗有機整合，開發(fā)出一個更新穎，結(jié)合信號采集、數(shù)據(jù)分析來構(gòu)建的計算機故障診斷專家系統(tǒng)，以此來幫助相關(guān)工作人員從不同層面，對鍋爐設(shè)備作出實時檢測。這樣既可以聯(lián)系實際及時的提供科學(xué)的運行指導(dǎo)，還能夠高效、準確的完成故障診斷工作，以此來為鍋爐設(shè)備的安全、穩(wěn)定運行提供有力保障，也能夠有效突破以往鍋爐設(shè)備故障診斷中存在的不足之處。

2 單一智能故障診斷方法

1.專家系統(tǒng)和故障診斷。專家系統(tǒng)著重強調(diào)的是引用專家知識經(jīng)驗，以及推理方法的一種計算機模型系統(tǒng)。專家系統(tǒng)的進一步發(fā)展給智能化診斷技術(shù)的應(yīng)用推廣提供了有力支持，且在故障診斷、系統(tǒng)恢復(fù)，以及報警處理和檢修計劃安排等問題的處理上具有的優(yōu)勢是不容忽視的。[3]就目前來看，專家系統(tǒng)雖然可以使得一些專門領(lǐng)域的問題得到有效解決，但基于以往實踐來看，其與專家水平還存在一定的距離，在具體引用中還存在一些局限，如知識獲取后存在“瓶頸”問題，模擬專家思維過的單一推理機制也受到了諸多局限。系統(tǒng)自學(xué)習(xí)能力也不是很理想。因此，在之后的應(yīng)用發(fā)展中，固有缺陷的彌補應(yīng)給予足夠重視。

2.神經(jīng)網(wǎng)絡(luò)和故障診斷。對于神經(jīng)網(wǎng)絡(luò)技術(shù)來講，其產(chǎn)生、應(yīng)用之后，給傳統(tǒng)的人工智能技術(shù)帶來了一定的沖擊，其在自組織、自學(xué)習(xí)能力以及信號處理和圖像識別等諸多領(lǐng)域具有的優(yōu)勢，應(yīng)用前景都是不容忽視的。但就目前來看，基于神經(jīng)網(wǎng)絡(luò)的故障診斷還存在一定的缺陷，未做到對諸多特定領(lǐng)域中專家積累的寶貴經(jīng)驗的充分利用，只有獲得充足的學(xué)習(xí)樣本，以及明確的故障診斷事例才可以為診斷可靠性提供保障。[4]另外，診斷推理過程也無法解釋，缺少透明度。現(xiàn)階段，為了現(xiàn)有智能診斷方法存在的局限性可以得到有效克服，人們也在積極研究更加強大的混合智能診斷系統(tǒng)。如有機整合人工神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)，這樣專家系統(tǒng)的知識獲取困難，以及推理能力較差的問題得到妥善解決，同時神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本獲取難度較大，以及推理過程透明性方面存在的不足也可以得到有效彌補。

3.模糊技術(shù)與故障診斷。在鍋爐實際運行過程中，經(jīng)常會出現(xiàn)一些狀況存在很大的不確定性，或者是不分明的情況，如在征兆的描述上，溫度“偏高”以及壓力“偏大”等都具有很高的模糊性，進而導(dǎo)致系統(tǒng)中的一些故障狀態(tài)也存在很大的模糊性。而針對模糊邏輯來講，其具有的結(jié)構(gòu)性知識表達能力較高，在模糊或者是定性知識的表達上具有顯著優(yōu)勢，推理過程也和人的思維模式非常相似。且模糊分類還可以對關(guān)聯(lián)的關(guān)系，以及專家語言描述的事件進行直接編碼，人們理解起來也更加容易。同時，也便于啟發(fā)性知識的引入，從而實現(xiàn)對推理過程的追蹤。因此，針對故障診斷領(lǐng)域中，模糊理論的科學(xué)引入應(yīng)給予足夠重視。

3 鍋爐混合智能故障診斷技術(shù)

3.1 混合智能故障診斷方法

就目前來看，混合智能診斷技術(shù)主要包括：基于模型的推理與案例的推理，基于模糊邏輯和神經(jīng)網(wǎng)絡(luò)的專家系統(tǒng)，以及基于案例的推理和人工神經(jīng)網(wǎng)絡(luò)與模糊邏輯等諸多方法。本文則著重針對模糊邏輯、專家系統(tǒng)，以及神經(jīng)網(wǎng)絡(luò)有機整合的智能診斷方法應(yīng)用做出了深入探究：

第一，模糊神經(jīng)網(wǎng)絡(luò)。模糊技術(shù)和神經(jīng)網(wǎng)絡(luò)存在很多的相似之處，重點都是對人思維的模擬處理，在形式上也非常相似，這也為之后的整合應(yīng)用創(chuàng)造了有利條件。同時，神經(jīng)網(wǎng)絡(luò)技術(shù)、模糊技術(shù)也具有自己的優(yōu)勢特點，能夠做到分布式貯存信息，大規(guī)模模擬并行處理，還有高度的容錯性、魯棒性以及實時處理能力等都是不容忽視的。邏輯推理能力是模糊邏輯的優(yōu)勢所在，可以有效處理高階信息，通過進一步優(yōu)化模糊技術(shù)和神經(jīng)網(wǎng)絡(luò)的有機整合，能夠使得神經(jīng)網(wǎng)絡(luò)處理信息的范圍、能力得到進一步加強。這樣在精確處理相關(guān)信息的同時，也能夠做好對模糊信息以及其他不精確信息的有效處理。[5]另外，在學(xué)習(xí)、自動模式識別上具有的優(yōu)勢特點也是不容忽視的，在引用神經(jīng)網(wǎng)絡(luò)技術(shù)來處理模糊信息過程中，能夠促使模糊系統(tǒng)逐漸發(fā)展成為一種自適應(yīng)模糊紅系統(tǒng)，從而有效解決模糊規(guī)則自動提取以及模糊隸屬度函數(shù)的自動生成。

第二，模糊神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)。模糊神經(jīng)網(wǎng)絡(luò)能夠整合模糊邏輯、神經(jīng)網(wǎng)絡(luò)的優(yōu)勢特點。其不僅能夠?qū)θ四X的邏輯思維進行模糊，還可以對人腦的神經(jīng)元功能進行模擬。在對模擬概念問題進行描述的同時，發(fā)揮的學(xué)習(xí)、數(shù)據(jù)直接處理能力也是較為強大的。總之，與傳統(tǒng)專家系統(tǒng)相比，模糊神經(jīng)網(wǎng)絡(luò)具有的優(yōu)勢特點是不容忽視的，尤其是在知識獲取、自適應(yīng)學(xué)習(xí)，以及容錯能力等方面的優(yōu)勢，能夠有效模擬傳統(tǒng)診斷系統(tǒng)存在的不足之處。

3.2 鍋爐混合智能故障診斷方法

針對有層次、存在不確定性、延時性等故障特點的鍋爐來講，通過引用混合智能故障診斷方法，能夠有效彌補以往單一診斷方法存在的諸多局限，與現(xiàn)代故障診斷發(fā)展趨勢相符合。

首先，針對提取參數(shù)以及神經(jīng)網(wǎng)絡(luò)輸入數(shù)據(jù)預(yù)處理這一環(huán)節(jié)，對模糊數(shù)學(xué)處理方法的應(yīng)用來講，在具體引用中，需要結(jié)合經(jīng)驗來明確鍋爐故障隸屬函數(shù)，具有較強的主觀性，且存在的局限也較多。人工神經(jīng)網(wǎng)絡(luò)具有較強的自學(xué)能力，可以發(fā)揮出模式分類以及函數(shù)模擬等功能。對此，可以通過有機整合模糊系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)的方式來突破以往存在的局限。在此背景下，模糊神經(jīng)網(wǎng)絡(luò)能夠繼承人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力，通過學(xué)習(xí)數(shù)據(jù)樣本來實現(xiàn)對模糊規(guī)則的自動總結(jié)以及隸屬度函數(shù)的自動調(diào)整。

其次，在故障診斷處理過程中，可以引用將模塊化模糊神經(jīng)網(wǎng)絡(luò)來作為推理機制的診斷方法。且在進行學(xué)習(xí)樣本的選擇過程中，對于實際、典型樣本的使用應(yīng)給予足夠重視。前者可以將鍋爐設(shè)備的個性充分反映出來，且基于攜帶的相關(guān)工況信息，能夠促進系統(tǒng)容錯性的顯著提升。而后者則能夠促使網(wǎng)絡(luò)更快的圍繞將要研究的對象形成概念，同時進行特征的抽取。[6]但要注意，若單純的選用典型樣本，在具體診斷過程中，便難以發(fā)揮出理想的抵御干擾的能力，難以為診斷精度提供有力保障。但若只是選用實際樣本，系統(tǒng)則難以快速認識故障，難以做到快速、準確的診斷。另外，還需要注意，雖然可以從原始材料中獲得樣本，但選擇的樣本要避免存在較高的相關(guān)性，以免最后網(wǎng)絡(luò)數(shù)據(jù)流方向發(fā)生改變而導(dǎo)致系統(tǒng)無法實現(xiàn)在一個方向上收斂，進而影響系統(tǒng)性能的發(fā)揮。

最后，在故障驗證階段，可以引用基于規(guī)則的推理方法，簡單來講，就是引用規(guī)則知識來將科學(xué)有效的處理對策以及診斷過程解釋推理出來，之后再引用模型知識進行推理驗證。

4 結(jié)語

綜上所述，隨著各類新穎技術(shù)手段的不斷涌現(xiàn)和應(yīng)用推廣，對鍋爐設(shè)備故障診斷工作也提出了新的要求。同時，也圍繞鍋爐設(shè)備的實際運行特征，還有故障特點以及以往引用的故障診斷技術(shù)應(yīng)用情況的綜合分析，提出了一種基于混合技術(shù)的、智能化的故障診斷方法。而通過這一智能化診斷技術(shù)的科學(xué)引用，不僅能夠為鍋爐設(shè)備的安全、穩(wěn)定運行提供有力保障，也能夠促使鍋爐設(shè)備故障診斷工作質(zhì)量、效率的顯著提升。

參考文獻：

[1] 符岳全.智能混合模型預(yù)測技術(shù)在火電廠節(jié)能減排中的應(yīng)用[J].熱力發(fā)電，2019，38（10）：74-77，80.

[2] 洪軍，司風(fēng)琪，徐治皋.基于混合智能的鍋爐飛灰含碳量實時目標值模型[J].鍋爐技術(shù)，2017（02）：15-19.

[3] 侯瑞博，陳永峰，宋景.基于混合智能的故障診斷與維修決策模型建設(shè)研究[J]. 數(shù)字通信世界，2019（08）：281.

[4] 梁建武，陳語林，周誠.一種鍋爐燃燒控制的混合智能控制器[J].熱能動力工程，2018（05）：546-548，573.

[5] 陳文波，鄭麗歐. 以嵌入式技術(shù)為基礎(chǔ)的工業(yè)鍋爐遠程監(jiān)測智能化物聯(lián)網(wǎng)終端設(shè)計研究[J].工業(yè)加熱，2019（06）：34-37.

[6] 牛培峰，馬云鵬，張欣欣，等.基于人工智能技術(shù)的火電廠燃煤鍋爐智能燃燒優(yōu)化研究及應(yīng)用[J].智能科學(xué)與技術(shù)學(xué)報，2019，01（02）：59-66.